由于肝脏肿瘤图点击此处像复杂多样且肝脏肿瘤图像数据集获取困难等问题，快速准确地诊断肝脏肿瘤疾病面临着诸多挑战，尤其是肝脏肿瘤的分割是其中的关键研究内容。由于生成对抗网络在半监督学习领域具有强大的优越性，因此其在医学图像处理中受到广泛应用。为了分析肝脏肿瘤图像在分割领域的现状以及未来发展，首先针对应用GAN的肝脏肿瘤图像分割方法进行研究，介绍GAN模Cobimetinib IC50型的网络结构与衍生模型，重点总结并分析生成对抗网络在肝脏肿瘤图像分割中的应用，包括基于网络结构改进的GAN方法、基于生成器或判别器改进的GAN方法和基于GAN的其他改进方法。最后在已有的研究进展和基础之上，对GAN在肝脏肿瘤图像分割中的应用进行总结，讨论GAN在肝脏肿瘤图像分割Hepatocyte histomorphology上所面临的挑战，并对其未来发展进行了展望。