تومورهای مغزی یکی از جدی‌ترین بیماری‌های تهدیدکننده زندگی هستند که تشخیص دقیق و به‌موقع آن‌ها نقشی حیاتی در کاهش مرگ ومیر بیماران ایفا می‌کند. تصویربرداری رزونانس مغناطیسی یکی از راه های کارآمد برای تشخیص این تومور مغزی است. در این پژوهش از شبکه‌های مولد متخاصم شرطی برای افزایش مجموعه داده Figshare که حاوی تصاویر رزونانس مغناطیسی است، استفاده شده است. سپس شبکه‌های کانولوشنی پیش آموزش دیده Xception و EfficientNetB0 به صورت موازی برای استخراج ویژگی از مجموعه داده افزایش یافته به کار برده شده اند. سپس توسط یک لایه کاملاً متصل با تابع فعالساز سافت مکس طبقه بندی شدند. ارزیابی عملکرد روش پیشنهادی ، دقت 96.09%، صحت96.12% ، بازیابی 95.28% و معیار F برابر با 95.68% را نشان داد. یافته‌های این پژوهش بیانگر آن است که روش پیشنهادی نسبت به روش های دیگر عملکرد بهتری دارد و می‌تواند بهبود قابل‌توجهی در تشخیص تومورهای مغزی ایجاد کند و در نتیجه به کاهش مرگ ومیر ناشی از این بیماری کمک نماید
