Esta revisión analiza sistemáticamente los avances más recientes en técnicas de preprocesamiento para las señales de Electrocardiografía (ECG) y Magnetocardiografía (MCG) durante la última década. ECG y MCG desempeñan roles cruciales en la detección de enfermedades cardiovasculares (CVD), pero ambos son susceptibles a interferencias de ruido. Este documento categoriza y compara diferentes métodos de eliminación de ruido en ECG basados en tipos de ruido, como el desplazamiento de la línea de base (BW), ruido electromiográfico (EMG), interferencia de la línea eléctrica (PLI) y ruido compuesto. También examina la complejidad de la eliminación de ruido de la señal de MCG, resaltando los desafíos planteados por interferencias ambientales e instrumentales. Esta revisión es la primera en comparar sistemáticamente las características de las señales de ECG y MCG, enfatizando su naturaleza complementaria. MCG tiene un potencial significativo para mejorar la precisión del diagnóstico clínico de CVD. Además, evalúa las limitaciones de los métodos actuales de eliminación de ruido en aplicaciones clínicas y describe las futuras direcciones, incluyendo el potencial de las redes neuronales explicables, redes neuronales de múltiples tareas y la combinación del aprendizaje profundo con métodos tradicionales para mejorar el rendimiento de eliminación de ruido y la precisión diagnóstica. En resumen, aunque las técnicas de filtrado tradicionales siguen siendo relevantes, las estrategias híbridas que combinan el aprendizaje automático ofrecen un potencial sustancial para avanzar en el procesamiento de señales y en diagnósticos clínicos. Esta revisión contribuye al campo proporcionando un marco integral para seleccionar y mejorar las técnicas de eliminación de ruido, facilitando así una mejora en la calidad de la señal y la precisión de los diagnósticos de CVD.