La delimitación precisa de las señales de ECG es fundamental para un diagnóstico y tratamiento cardiovascular efectivos. Sin embargo, estudios previos indican que los modelos desarrollados para conjuntos de datos y entornos específicos tienen un rendimiento deficiente cuando se utilizan con diferentes características de morfología de señales de ECG. Este artículo presenta un enfoque novedoso para la delimitación de señales de ECG utilizando un filtro de múltiples capas (MLF) combinado con un modelo de memoria a corto y largo plazo bidireccional (BiLSTM), denominado iCOR. La arquitectura iCOR propuesta mejora la eliminación de ruido y la extracción de características, lo que resulta en una clasificación mejorada de la morfología de ondas P-QRS-T con un modelo más simple. Nuestro método se evalúa en una combinación de dos bases de datos de ECG estándar, la Base de Datos de Electrocardiografía de la Universidad Lobachevsky (LUDB) y la Base de Datos QT (QTDB). Se puede observar que el rendimiento de clasificación para conjuntos no vistos de datos de LUDB es superior al 90.4% y 98% de precisión, para enfoques basados en registros y en pulsos, respectivamente. Los enfoques basados en pulsos superaron al enfoque basado en registros en los resultados generales de métricas de rendimiento. Resultados similares se mostraron en un conjunto no visto de QTDB, en el cual los enfoques basados en pulsos tuvieron un rendimiento con precisión superior al 97%. Estos resultados resaltan la robustez y eficacia del modelo iCOR en diversas bases de datos de señales de ECG. El enfoque propuesto ofrece un avance significativo en el análisis de señales de ECG, allanando el camino para un monitoreo cardíaco más confiable y preciso.