本发明公开了一种基于图神经网络的端到端大脑因果网络构建方法，属于脑电信息处理领域。本发明设计了一个邻近k层特征融合的多层感知机用于多维特征提取，并进一步设计图神经网络用于大脑因果关系的直接挖掘。随后利用向量自回归模型得到具有真实脑电信号特性的多元序列及其因果监督性信息，以监督性方法训练神经网络模型。基于训练好的神经网络模型，可实现对脑电数据的因果关系的挖掘和因果网络构建。与传统方法的代表性方法格兰杰因果分析对比研究证明，本发明在低信噪比条件下捕捉因果网络拓扑结构和因果关系强弱作用方面具有显著的优势。本发明为突破传统模型驱动假设约束，以数据驱动的方式直接挖掘深度大脑因果网络机制方面提供了新的视角。