Resumen: El presente trabajo aborda el desarrollo de un delineador de electrocardiogramas (ECG) basado en redes neuronales profundas, utilizando la arquitectura U-NET. Se propone una adaptación de esta red, reconocida por su eficacia en la segmentación de imágenes, para la delineación de señales ECG, una aplicación aún poco explorada. El objetivo principal es optimizar la identificación de las ondas clave del ECG, como P, QRS y T, superando las limitaciones de los algoritmos tradicionales de procesamiento digital de señales (DSP), que suelen mostrar restricciones al enfrentarse a una variedad de morfologías. Para lograr una mayor generalización del modelo, se emplearon dos bases de datos que contienen una amplia gama de morfologías cardíacas (armonizando y procesando los datos para adecuarlos a la entrada) complementadas con técnicas de aumento de datos. A lo largo del proyecto, se realizaron diversas pruebas y se introdujeron mejoras, como la incorporación de bloques LSTM en la arquitectura U-NET, lo que permitió una generalización superior frente a los algoritmos DSP evaluados. El modelo final demostró un rendimiento comparable a los mejores delineadores automáticos documentados en la literatura actual. Finalmente, se analizaron en detalle tanto los casos en los que el delineador obtuvo resultados sobresalientes como aquellos en los que no alcanzó el desempeño esperado.