La predicción continua de las formas de onda de la presión arterial arterial (ABP) a través de métodos no invasivos es de gran importancia para la prevención y tratamiento de enfermedades cardiovasculares. La fotopletismografía (PPG) se puede utilizar para reconstruir las señales de ABP debido a tener la misma fuente de excitación y una alta similitud de señal. Los métodos existentes para reconstruir las señales de ABP a partir de PPG solo se centran en las similitudes entre las presiones arteriales sistólica, diastólica y media sin evaluar su similitud global. Este documento propone un modelo de aprendizaje profundo con una arquitectura W-Net para reconstruir las señales de ABP a partir de PPG. La W-Net consta de dos arquitecturas U-Net concatenadas, la primera actuando como un codificador y la segunda como un decodificador para reconstruir ABP a partir de PPG. Se utilizaron quinientos registros de diferentes longitudes para el entrenamiento y la prueba. Los resultados experimentales arrojaron valores altos para las medidas de similitud entre las señales de ABP reconstruidas y sus señales de referencia de ABP: la correlación de Pearson, el error cuadrático medio y la distancia de tiempo de guerra dinámico normalizado fueron de 0.995, 2.236 mmHg y 0.612 mmHg en promedio, respectivamente. Los errores absolutos medios de la PAS y la PAD fueron de 2.602 mmHg y 1.450 mmHg en promedio, respectivamente. Por lo tanto, el modelo puede reconstruir señales de ABP que son altamente similares a las señales de ABP de referencia.