本发明涉及一种基于深度循环神经网络和有监督字典学习的脑网络重构方法，是一种融合模型驱动和数据驱动方法优点的新型脑网络重构计算方法，用于从任务态功能磁共振成像数据重构多样化和并发的功能性脑网络。具体来说，利用深度循环神经网络自动导出多样化、自适应的回归变量；采用有监督字典学习方法来利用回归变量重建任务引发的脑功能网络。本发明提出了一种深度循环神经网络来自动学习数据驱动的回归变量。之后，采用有效的监督字典学习和稀疏表示方法来重构这些回归变量的脑网络激活图。实验证明此计算方法在识别多样化和并发脑网络方面具有优越性。