경흉부 심초음파 (Transthoracic echocardiography, TTE)는 이첨판 대동맥판막 (Bicuspid Aortic Valve, BAV)을 진단하기 위한 1차 영상 진단법이지만, 진단 성능은 검사자의 숙련도와 영상 품질에 따라 차이가 있습니다. 본 연구에서는 일상적으로 획득되는 흉골연 장축 (Parasternal Long-Axis, PLAX) 시네 루프 (Cine loops)를 사용하여 BAV를 삼첨판 대동맥판막 (Tricuspid Aortic Valves, TAV)과 구별하는 설명 가능한 AI 모델을 개발했습니다. $N{=}90$명의 환자 사례 (48 BAV, 42 TAV)를 대상으로 누수 인지 계층화 외부 교차 검증 (Leakage-aware, stratified outer cross-validation) 프로토콜을 사용하여 멀티 백본 비디오 앙상블 (Multi-backbone video ensemble)을 학습 및 평가했습니다. 고정된 외부 분할과 10개의 무작위 시드 (Random seeds) 전반에 걸쳐, 보정된 스택 앙상블 (Stacked ensemble)은 외부 교차 검증 (Outer-CV) F1-score $0.907$과 재현율 (Recall) $0.877$을 달성했습니다. 프레임 수준의 Grad-CAM은 대동맥 근부 (Aortic root)와 판막 평면 (Leaflet plane)에서 두드러진 증거를 국소화하였으며, 전역적으로 집계된 SHAP 값은 스택 예측에 대한 각 비디오 백본의 기여도를 정량화하여 투명한 사례 수준의 감사 가능성 (Auditability)을 제공했습니다. 이러한 결과는 PLAX 기반 비디오 앙상블이 일상적인 심초음파 시네 루프로부터 신뢰할 수 있는 BAV/TAV 분류를 지원할 수 있으며, 비전문의 또는 자원이 제한된 임상 환경에서 조기 발견을 용이하게 할 수 있음을 나타냅니다.