Selon l'Organisation mondiale de la santé, environ 36 % des décès annuels sont liés aux maladies cardiovasculaires et 90 % des infarctus du myocarde sont évitables. L'analyse des signaux électrocardiographiques en électrocardiographie ambulatoire, lors d'un test d'effort sur tapis roulant, et dans des conditions de repos permet le diagnostic des maladies cardiovasculaires. Cependant, pendant l'acquisition, une variété de bruits peut altérer la qualité du signal, compromettant ainsi leur potentiel diagnostique. Le déplacement de ligne est l'un des bruits les plus indésirables. Dans cette étude, nous proposons un nouvel algorithme pour le filtrage du bruit de déplacement de ligne (BLW) utilisant des techniques d'apprentissage profond. Les performances du modèle ont été validées à l'aide de la base de données QT et de la base de données MIT-BIH Noise Stress Test provenant de Physionet. De plus, plusieurs expériences comparatives ont été réalisées contre les méthodes les plus avancées actuellement disponibles, en utilisant à la fois des procédures de filtrage traditionnelles et des techniques d'apprentissage profond. L'approche proposée donne les meilleurs résultats sur quatre métriques de similarité : la somme des distances quadratiques (4.29 [6.35] uV), le maximum du carré absolu (0.34 [0.25] uV), le pourcentage de distance racine (45.35 [29.69] uV) et la similarité cosinus (91.46 [8.61] uV), respectivement. Le code source de cette étude, comprenant notre méthode et les implémentations associées, est librement disponible sur Github.注释：- "au" 在这里被翻译为 "uV"（微伏），这是心电图信号中常用的单位。- "baseline wander" 被翻译为 "déplacement de ligne"，这是心电图中的专业术语。- 其他科技/学术术语均使用了通用译法。