本发明公开了一种用于功能核磁共振成像数据生成的生成对抗网络模型的实现方法，属于机器学习领域。该方法通过生成对抗网络(GAN)生成fMRI图像，并用生成的图像与原始的数据集混合起到扩充数据集的作用。本发明提出的生成对抗网络结构包括一个五层隐藏层的生成器和一个使用跳跃连接残差模块的判别器。本发明旨在利用对抗网络生成的fMRI图像，扩充数据集，解决fMRI数据量少的问题，提高了分类网络的泛化能力，减少过拟合的风险。本发明能有效的解决脑疾病分类过程中核磁共振成像数据量不足的问题，来辅助医生诊断疾病。