目的:提出一种基于深度卷积生成对抗网络(deep　convolutional　generative　adversarial　network,DCGAN)的大脑年龄预测方法,以客观评估大脑健康状态.方法:首先,将二维DCGAN扩展到三维DCGAN,并在DCGAN中加入残差块改进DCGAN模型,以提高特征提取能力.其次,使用无监督对抗学习来预训练分类器,使用迁移学习来微调分类器,以解决三维卷积神经网络(convolutional　neural　network,CNN)中由于小规模样本而导致的过度拟合问题.为验证改进模型的有效性,在英国生物银行(UK　Biobank,UKB)数据库上,采用平均绝对误差(mean　absolute　error,MAE)作为评价指标,将该模型与最小绝对收缩选择算子(least　absolute　shrinkage　and　selection　operator,LASSO)模型、机器学习模型、三维CNN模型和图卷积网络模型进行对比.结果:提出的模型在预测脑年龄方面表现优秀,MAE为2.896　年,明显优于LASSO模型、机器学习模型、CNN模型和图卷积网络模型.结论:提出的方法在大规模数据集上具有较好的性能,能够较为准确地预测大脑年龄,可客观评估大脑健康状态.