Objectif : Les signaux d'électrocardiogramme (ECG) sont fréquemment perturbés par des interférences de bruit, notamment le déplacement de la ligne de base. La reconstruction de haute qualité et fidèle des signaux ECG est d'une grande importance pour le diagnostic des maladies cardiovasculaires. Par conséquent, cet article propose une nouvelle technologie de suppression du déplacement de la ligne de base et du bruit dans les signaux ECG. Méthodes : Nous avons étendu le modèle de diffusion de manière conditionnelle, spécifiquement adapté aux signaux ECG, à savoir le modèle de diffusion basé sur les scores profonds pour la suppression du déplacement de la ligne de base et du bruit dans l'électrocardiogramme (DeScoD-ECG). De plus, nous avons mis en œuvre une stratégie d'averaging multi-tirs qui a amélioré les reconstructions des signaux. Nous avons mené des expériences sur la base de données QT et la base de données MIT-BIH Noise Stress Test pour vérifier la faisabilité de la méthode proposée. Des méthodes baselines ont été adoptées pour comparaison, incluant des méthodes traditionnelles basées sur les filtres numériques et des méthodes basées sur l'apprentissage profond. Résultats : Les résultats quantitatifs montrent que la méthode proposée a obtenu des performances exceptionnelles sur quatre métriques de similarité basées sur la distance, avec au moins 20 % d'amélioration globale par rapport à la meilleure méthode baseline. Conclusion : Cet article démontre les performances d'avant-garde du DeScoD-ECG pour la suppression du déplacement de la ligne de base et du bruit dans les signaux ECG, offrant une meilleure approximation de la distribution réelle des données et une plus grande stabilité face aux corruptions extrêmes par le bruit. Importance : Cette étude est l'une des premières à étendre le modèle génératif basé sur la diffusion conditionnelle pour la suppression du bruit dans les ECG, et le DeScoD-ECG a le potentiel d'être largement utilisé dans les applications biomédicales.