深度学习领域中的条件深度卷积生成式对抗网络(CDCGAN)是一种能够生成与训练数据同分布样本的生成模型.针对抑郁症fMRI(functional　Magnetic　Resonance　Imaging)数据难采集、用于研究的被试数远小于数据特征维数的问题,首次将CDCGAN应用于生成抑郁症fMRI数据并提出一种混合特征选择方法用于分析fMRI数据.采用组独立成分分析提取41名被试的独立成分并构建全脑动态功能连接网络;通过肯德尔排序相关系数法选出具有较强辨别能力的特征并使用CDCGAN扩充数据;采用所提出的混合特征选择法进行特征选择;对41名被试的数据进行分类.实验结果表明,采用CDCGAN的分类正确率为92.68％,明显优于不应用CDCGAN的分类结果68.29％,同时说明了抑郁症fMRI数据采用CDCGAN方法扩充数据的可行性以及混合特征选择方法能选出更有效的特征.