我们提出了一种用于超声心动图视频的新型异常检测方法。引入的方法利用了心脏周期的周期性，学习了各种潜在轨迹模型（TVAE）的三种变体。虽然前两个变体（TVAE-C和TVAE-R）模型严格的心脏周期性动作，但第三个（TVAE-S）更笼统，并且可以在整个视频中进行空间表示。所有模型均经过新型内部数据集的健康样本的培训，该数据集的婴儿超声心动图视频由多个室内视图组成，以了解健康人群的规范性之前。在推断期间，执行基于后验（MAP）的异常检测，以检测我们数据集中的分布样品。所提出的方法可靠地识别出严重的先天性心脏缺陷，例如Ebstein的异常或发光复合物。此外，它在检测肺动脉高压和右心室扩张时，用标准变异自动编码器实现了优于基于地图的异常检测。最后，我们证明了所提出的方法可以通过热图强调与异常心脏结构相对应的区域来解释其输出。