世界保健機関（World Health Organization）によると、年間の死亡者の約36％が心臓血管疾患に関連しており、心臓発作の90％は予防可能であるとされています。外来心電図、運動負荷試験、および安静時における心電図信号解析は、心臓血管疾患の診断に利用されます。しかし、取得中に様々なノイズが発生し、信号品質を損なうことで診断の可能性が制限されることがあります。ベースライン・ワンド（baseline wander）は最も望ましくないノイズの一つです。本研究では、深層学習技術を使用したベースライン・ワンドノイズ除去用の新しいアルゴリズムを提案します。モデルの性能は、Physionetから提供されるQTデータベースとMIT-BIHノイズストレステストデータベースを使用して検証されました。さらに、従来のフィルタリング手法や深層学習技術を用いた最先端手法との比較実験も行われました。提案手法は以下の4つの類似性指標で最良の結果を示しました：二乗距離和（sum of squared distance）、最大絶対二乗値（maximum absolute square）、平方根距離のパーセント（percentage of root distance）、コサイン類似度（cosine similarity）それぞれで4.29 (6.35) au, 0.34 (0.25) au, 45.35 (29.69) au, 91.46 (8.61) auでした。本研究で使用されたソースコードは、当該手法および関連する実装を含み、Github上で自由に利用可能です。