本研究提出了一种多层级类-aware令牌变换器（MCAT）方法，旨在提高胎儿超声视频中标准解剖剪辑的定位效率和准确性，特别是在低中收入国家具有重要的公共健康影响。

该研究提出FetalCLIP模型，旨在解决胎儿超声图像分析中的数据稀缺和复杂性问题。通过对210,035幅图像与文本的数据集进行多模态学习，FetalCLIP有效捕捉胎儿解剖特征，表现优异，适用性广泛且对标注数据需求低。