التفتيش والتصنيف النووي ضمن صور الأنسجة الملونة بالهيماتوكسيلين والأوزين (Haematoxylin & Eosin) هو شرط أساسي في تدفق العمل في علم الأمراض الرقمي. تطوير طرق آلية للتفتيش والتصنيف النووي يمكّن من التحليل الكمي لآلاف النوى داخل صورة شريحة مرضية كاملة، مما يفتح آفاقًا جديدة للتحليل على نطاق واسع لمورفومتري النوى. ومع ذلك، فإن التفتيش والتصنيف النووي الآلي يواجه تحديًا رئيسيًا يتمثل في وجود أنواع مختلفة من النوى، بعضها يظهر تنوعًا كبيرًا داخل الفئة مثل الخلايا السرطانية. بالإضافة إلى ذلك، غالبًا ما تكون بعض النوى متجمعة معًا. لمعالجة هذه التحديات، نقدم شبكة عصبية اصطناعية جديدة ذات طبقات متكررة (convolutional neural network) للتفتيش والتصنيف النووي المتزامنين، والتي تستفيد من المعلومات الغنية بالأمثلة المشفرة ضمن المسافات الرأسية والأفقية بين بيكسلات النواة ومراكز كتلتها. ثم يتم استخدام هذه المسافات لفصل النوى المتجمعة، مما يؤدي إلى تقطيع دقيق بشكل خاص في المناطق التي تحتوي على حالات متداخلة. بعد ذلك، بالنسبة لكل حالة مقطوعة، يتوقع الشبكة نوع النواة عبر فرع تكبير مكرس لها. نوضح أداءً يتفوق على أفضل الأساليب الأخرى عند اختبارها على عدة مجموعات بيانات مستقلة لصور الأنسجة متعددة الأنسجة. كجزء من هذا العمل، نقدم مجموعة بيانات جديدة تتكون من قطع صور سرطان القولون والمستقيم الملونة بالهيماتوكسيلين والأوزين (Haematoxylin & Eosin)، تحتوي على 24,319 نواة مشخصة بشكل شامل مع العلامات الفئوية المرتبطة بها.