تُعد تقسيم النوى التلقائي والتصنيف من الركائز الأساسية لتحليل وفهم الخصائص الوظيفية للخلايا، مما يدعم الطب الرقمي المدعوم بالحوسبة في تشخيص الأمراض. ومع ذلك، يظل هذا المهمة تحديًا كبيرًا نظرًا للتغيرات الطبيعية في الحجم والشدة والشكل بين أنواع النوى المختلفة. ولهذا، نقترح شبكة عصبية لتصنيف ترتيب ذاتي التوجيه لتقسيم النوى وتصنيفها في آن واحد، بحيث تستفيد من الخصائص الطبيعية للنوى وتركز على المناطق ذات عدم اليقين العالي أثناء التدريب. تُعامل الشبكة تقسيم النوى كتعلم لتصنيف ترتيبي من خلال إدخال استراتيجية تجزئة تناقصية للمسافة، والتي تصنف النوى بطريقة تفصل المناطق الداخلية التي تشكل شكلًا منتظمًا للنواة عن المناطق الخارجية التي تشكل شكلًا غير منتظم. كما تستخدم الشبكة استراتيجية تدريب ذاتية التوجيه لتعديل أوزان البكسلات المرتبطة بالنوى بشكل تكيفي، بناءً على صعوبة كل بكسل، والتي تُقيّمها الشبكة نفسها. ولتقييم أداء الشبكة المقترحة، استخدمنا مجموعات بيانات واسعة النطاق متعددة الأنسجة تحتوي على 276349 نواة تم تسميتها بشكل شمولي. ونُظهر أن الشبكة المقترحة تحقق أداءً متقدمًا جدًا في كل من تقسيم النوى وتصنيفها مقارنةً بطرق متعددة حديثة تم تطويرها لتقسيم النوى و/أو تصنيفها.