الإشارة الكهروقلبية عرضة لضوضاء متعددة ناجمة عن عوامل مختلفة. ولذلك، فإن تنقية هذه الإشارة من الضوضاء قبل التحليل الأعمق هو ممارسة قياسية. مع تقدم فرع جديد من تعلم الآلة يُعرف بـ "التعلم العميق"، أصبحت هناك طرق جديدة توعد بأداء رائد في هذا المهمة. نقدم نهجًا جديدًا لتنقية الإشارات الكهروقلبية باستخدام شبكات العصبيات المتكررة العميقة. نستفيد من تقنية التعلم النقل (transfer learning) من خلال تدريب الشبكة بشكل أولي باستخدام بيانات مصنعة تم إنشاؤها بواسطة نموذج ديناميكي للإشارات الكهروقلبية، ثم ضبطها بدقة باستخدام بيانات حقيقية. كما ندرس تأثير البيانات التدريبية المصنعة على أداء الشبكة على الإشارات الحقيقية. تم اختبار الطريقة المقترحة على مجموعة بيانات حقيقية تحتوي على مستويات مختلفة من الضوضاء. تشير النتائج إلى أن شبكة عصبية متكررة عميقة تتكون من أربع طبقات يمكن أن تتفوق على الطرق المرجعية في تنقية الإشارات ذات الضوضاء الشديدة. بالإضافة إلى ذلك، يبدو أن الشبكات التي تم تدريبها بشكل أولي باستخدام البيانات المصنعة تعطي نتائج أفضل مقارنة بالشبكات التي تم تدريبها فقط باستخدام البيانات الحقيقية. نوضح أنه من الممكن إنشاء شبكة عصبية تنقية رائدة، والتي بعد التدريب الأولي على البيانات الصناعية، يمكن لها أن تعمل بشكل استثنائي على الإشارات الكهروقلبية الحقيقية بعد التعديل الدقيق المناسب.