El electrocardiograma de 12 derivaciones (ECG) es crucial para evaluar decisiones del paciente. Sin embargo, los dispositivos portátiles de ECG capaces de adquirir un ECG completo de 12 derivaciones son escasos. Por primera vez, se propone un método basado en aprendizaje profundo para reconstruir el ECG de 12 derivaciones a partir de las derivaciones de Frank (V, V y V) o las derivaciones EASI (V, V y V). La innovadora red de reconstrucción de ECG llamada M2Eformer está compuesta por un bloque 2D-ECG y un módulo ProbDecoder. El módulo 2D-ECGblock segmenta de manera adaptativa las derivaciones EASI en múltiples períodos basándose en la energía de frecuencia, transformando la serie temporal 1D en un tensor 2D que representa variaciones dentro y entre ciclos. El módulo ProbDecoder tiene como objetivo extraer autoatención Probsparse y lograr una salida de un paso para las derivaciones objetivo. Los resultados experimentales al comparar el ECG de 12 derivaciones grabado y reconstruido utilizando derivaciones de Frank indican que M2Eformer supera a los métodos tradicionales de reconstrucción de ECG en una base de datos pública. En este estudio, se utilizó una base de datos autoconstruida (10 individuos sanos + 15 pacientes) para la validación diagnóstica clínica del ECG reconstruido a partir de las derivaciones EASI. Posteriormente, tanto el ECG reconstruido usando EASI como el ECG de 12 derivaciones grabado fueron sometidos a un experimento diagnóstico a ciegas realizado por tres cardiólogos. El consenso diagnóstico general entre los tres expertos en cardiología, alcanzando una tasa del 96%, indica la utilidad significativa del ECG de 12 derivaciones reconstruido a partir de EASI para facilitar el diagnóstico de afecciones cardíacas.