Le système nerveux entérique (SNE) est un domaine de recherche dynamique où les chercheurs développent des méthodologies sophistiquées afin de comprendre l’impact des maladies dégénératives chroniques sur les cellules neuronales entériques (CNE). Ces études nécessitent des efforts intensifs, exigeant une sélection manuelle et une segmentation précise de chaque cellule bien définie pour effectuer des analyses morphométriques et quantitatives. Toutefois, la rareté des données étiquetées ainsi que les caractéristiques uniques de ces données limitent l’application des solutions existantes dans la littérature. Afin de pallier ce défaut, nous introduisons un nouveau jeu de données, intitulé ENSeg, comprenant des annotations expertes de CNE, constitué de 187 images et de 9 709 cellules annotées individuellement. Nous proposons également une approche combinant des modèles d’instance de segmentation automatique avec des architectures du modèle Segment Anything (SAM), permettant une interaction humaine tout en préservant une haute efficacité. Nous avons utilisé les modèles YOLOv8, YOLOv9 et YOLOv11 pour générer des candidats de segmentation, qui ont ensuite été intégrés aux architectures SAM via un protocole de fusion. Notre meilleur résultat a atteint un score moyen DICE (mDICE) de 0,7877, en combinant YOLOv8 (sélection des candidats), SAM et un protocole de fusion qui améliore les points d’entrée (prompts) d’entrée. Les protocoles de combinaison ainsi obtenus, démontrés après cette étude, présentent des performances de segmentation supérieures à celles des modèles de segmentation autonomes. Ce jeu de données, présenté comme une contribution de ce travail, est mis à disposition de la communauté scientifique.