利用fMRI数据准确地估计血液动力学状态,能得到一种更接近神经元层面的大脑活动的客观表示,这将促进人们对大脑运行机理的深刻理解,推动脑认知的进一步发展.迄今为止,人们已经提出了许多血液动力学状态估计方法.然而,这些方法大都只考虑了相邻时刻血液动力学状态之间的关系,忽视了更深层次的时序特征.而对模型参数先验信息的需求也使一些方法在实际应用中受到了限制.为此,本文提出了一种基于循环神经网络的血液动力学状态估计新方法.首先,利用血液动力学模型中非线性函数的反函数建立BOLD信号与血液动力学状态之间的映射关系,并构建模型的反演过程.然后,采用一种堆叠三个RNN模块的栈式神经网络结构来拟合这种映射关系,使其能够以BOLD信号作为输入,得到血液动力学状态的估计值.最后,在仿真数据上验证新方法的性能.实验结果表明:与一些代表算法相比,新方法能够更合理地提取fMRI数据中的时间特性,有效地拟合BOLD信号与血液动力学状态之间的动态非线性关系.