非酒精性脂肪肝（NAFLD）是世界上发病率最高的肝脏疾病之一,超声作为早期筛查NAFLD的首选模态,在预防晚期不可逆肝脏疾病上发挥着重要的作用。临床上,医生需要通过浏览采集的超声视频,寻找NAFLD诊断的依据,这一过程十分繁琐且容易引入主观误差,降低诊断的可靠性。近年来,一些自动化的方法被提出用于NAFLD的诊断,一定程度上提高了诊断的效率。然而,现有方法均面向二维的关键帧,而非原始的视频,这意味着人工提取关键帧的步骤依然面临着巨大的时间开销。为了进一步提高NAFLD临床诊断的效率,本文基于深度学习相关技术,提出了三种直接面向视频数据的NAFLD自动诊断方法。本文首次提出了用于NAFLD在超声视频中自动诊断的深度学习方法--上下文注意力网络（CAN）。对于输入的视频数据（帧序列）,CAN利用注意力机制抑制无用帧信息的表达,使模型更好地关注于关键帧。此外,CAN通过上下文注意力模块结合视频数据的上下文信息,进一步提高了诊断的准确率和鲁棒性。最终,在从148位受试者采集到的数据集上,达到了 82.43%的准确率,80.77%的特异性,85.13%的敏感性,在无需人为提取关键帧的前提下,达到了和现有基于关键帧方法相当的结果,证明了 CAN的可行性与有效性。本文在CAN的基础上,利用正负样本间关键帧部分的相似性与差异性,进一步提出了孪生注意力网络（SAN）。对于特征提取网络,我们提出了双支路结构的BFEM模块,以满足分类模块与注意力模块对不同特征的需求。进一步地,在训练过程中,我们将正负样本对作为输入,并在特征空间约束它们关键帧部分的距离,提高了特征的表达性。最终,在来自530位受试者的数据集上,准确率、特异性和敏感性分别达到了 90.56%,88.26%和93.58%,明显优于CAN,证明了SAN的优越性。本文在CAN的基础上,充分利用视频数据的上下文信息和关键帧的先验分布情况,提出了时域聚焦图网络（TI-FGCN）。TI-FGCN构造了一张稀疏图和一张稠密图分别用于分类模块和和注意力模块上下文信息的提取,提高了特征的表达性与鲁棒性。进一步的,根据关键帧的分布限制注意力的稀疏性与连续性,提高了注意力的可靠性。最终,在从148位受试者采集到的数据集上,准确率、特异性和敏感性分别达到了 86.49%,86.49%和86.49%,明显优于CAN,且超越了现有的基于关键帧的方法,证明了 TI-FGCN的优越性。