Die Segmentierung von Zellkernen in mit dem Blutfarbstoff Hämatoxylin und Eosin (H&E) eingefärbten Gewebebildern ist für verschiedene klinische Anwendungen und Analysen essentiell. Aufgrund der komplexen Merkmale der Zellmorphologie wird ein großes Rezeptorfeld als entscheidend für die Erzeugung hochwertiger Segmentierungen angesehen. Allerdings stoßen bisherige Methoden bei der Erreichung eines Ausgleichs zwischen dem Rezeptorfeld und dem rechnerischen Aufwand auf Herausforderungen. Um dieses Problem zu lösen, schlagen wir LKCell vor, eine Methode zur hochgenauen und effizienten Zellsegmentierung. Ihr zentrales Konzept besteht darin, das Potenzial großer Faltungskerne zu nutzen, um rechnerisch effiziente große Rezeptorfelder zu realisieren. Insbesondere: (1) Wir übertragen zum ersten Mal vortrainierte Modelle mit großen Faltungskernen in den medizinischen Bereich und zeigen ihre Effektivität in der Zellsegmentierung. (2) Wir analysieren die Redundanz früherer Methoden und entwerfen einen neuen Segmentierungsdekoder basierend auf großen Faltungskernen. Dies führt zu einer höheren Leistung unter gleichzeitiger erheblicher Reduzierung der Parameterzahl. Wir bewerten unsere Methode anhand des anspruchsvollsten Benchmarks und erreichen Spitzenwerte (0,5080 mPQ) in der Instanzsegmentierung von Zellkernen, wobei wir nur 21,6% der FLOPs im Vergleich zur bisher führenden Methode benötigen. Unser Quellcode und unsere Modelle sind unter https://github.com/hustvl/LKCell verfügbar.