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。