La détection et la segmentation des noyaux dans les images tissulaires colorées à l’hématoxyline et à l’éosine (H&E) constituent des tâches cliniques essentielles et sont cruciales pour un large éventail d’applications. Toutefois, ce processus reste particulièrement difficile en raison des variations de coloration, des différences de taille des noyaux, des frontières chevauchantes et du regroupement des noyaux. Bien que les réseaux de neurones convolutifs aient été largement utilisés pour cette tâche, nous explorons ici le potentiel des architectures basées sur les Transformers dans ce domaine. Ainsi, nous proposons une nouvelle méthode de segmentation d’instances automatisée des noyaux cellulaires dans des échantillons tissulaires numérisés, fondée sur une architecture d’apprentissage profond basée sur le Vision Transformer, appelée CellViT. CellViT est entraînée et évaluée sur le jeu de données PanNuke, l’un des plus exigeants pour la segmentation d’instances de noyaux, comprenant près de 200 000 noyaux annotés répartis en 5 classes cliniquement significatives au sein de 19 types tissulaires différents. Nous démontrons l’efficacité des Vision Transformers pré-entraînés à grande échelle, tant sur données du domaine (in-domain) que hors domaine (out-of-domain), en exploitant récemment publié le modèle Segment Anything ainsi qu’un encodeur ViT pré-entraîné sur 104 millions de patches histologiques. Ce faisant, nous atteignons des performances de pointe en détection et segmentation d’instances de noyaux sur le jeu de données PanNuke, avec une qualité panoptique moyenne de 0,50 et un score F1 de détection de 0,83. Le code source est disponible publiquement à l’adresse suivante : https://github.com/TIO-IKIM/CellViT