心電図（ECG）は心疾患の評価に広く用いられるツールである。人工知能（AI）応用を促進するためのECGデジタル化に多大な努力が注がれてきたが、現存の手法には一般化能の限界が依然として残っている。『ECG画像のデジタル化と分類：ジョージ・B・モディー PhysioNet Challenge 2024』の一環として、本研究では、現実世界のデータの多様性に対応できる完全自動化・モジュール型・オープンソースなECGデジタル化フレームワーク「WAVIE」を提案する。PTB-XLデータセットを用いて、既知の変動およびノイズを含む合成紙質ECGを生成した。本チーム「wavie ABI」は、方向補正、物体検出、波形抽出の3段階からなる深層学習モデルを組み合わせたフレームワークを開発した。デジタル化タスクの隠しテストセットに対する推論結果において、平均信号対雑音比（SNR）は5.469（参加16チーム中3位）を達成した。WAVIEは、特定のECGデジタル化タスクに再構成・微調整可能な包括的かつ一般化性の高い基準基盤を提供し、今後の研究応用における柔軟性と適応性を確保するものである。