La electrocardiografía (ECG) se utiliza generalmente en la práctica clínica para el diagnóstico cardiovascular y para monitorear el estado cardiovascular. Se considera el estándar de oro para diagnosticar enfermedades cardiovasculares y evaluar el estado cardiovascular. Sin embargo, no siempre es fácil de obtener. A diferencia de los dispositivos de ECG, los dispositivos de fotopletismografía (PPG) se pueden colocar en partes del cuerpo como los lóbulos de las orejas, las yemas de los dedos y las muñecas, lo que los hace más cómodos y fáciles de obtener. Varios métodos para reconstruir señales de ECG utilizando señales de PPG han sido propuestos, pero algunos de estos métodos son modelos específicos de sujetos. Estos modelos no se pueden aplicar a múltiples sujetos y tienen limitaciones. Este estudio propone un modelo de red neuronal basado en redes UNet y redes LSTM bidireccionales a largo plazo (BiLSTM) como un modelo grupal para reconstruir el ECG a partir del PPG. El modelo fue verificado utilizando 125 registros del subconjunto coincidente de MIMIC III. Los resultados experimentales demostraron que el modelo propuesto pudo lograr, en promedio, un coeficiente de correlación de Pearson, un error cuadrático medio, una diferencia cuadrática media porcentual y una distancia de Fréchet de 0.861, 0.077, 5.302 y 0.278, respectivamente. Esta investigación puede utilizar la correlación entre PPG y ECG para reconstruir una mejor señal de ECG a partir de PPG, lo cual es crucial para diagnosticar enfermedades cardiovasculares.