功能磁共振成像技术(fMRI:functional Magnetic Resonance Imaging)是一种高效的脑成像技术研究方法，为减少fMRI数据的冗余，将其转换为更具分类潜力的特征，提出一个基于孪生网络(SANet:Siamese Network)的特征构造算法SANet,将多个扫描点下的脑区信息类比为图，应用改进的AlexNet网络进行特征构造，并结合增量特征选择策略达到优化分类的目的。通过实验对比3种不同网络结构和4种分类器对SANet模型的影响，并进行消融实验，验证增量特征选择算法对SANet构造特征的分类效果。实验表明，SANet模型能对fMRI数据进行有效构造，且提高原始特征的分类性能。