病理学において、ヘマトキシリンとイオシン（H&E）染色スライドの正確かつ効率的な分析は、迅速で効果的ながん診断に不可欠です。文献には核インスタンスセグメンテーションと分類のための多くの深層学習ソリューションが存在しますが、これらの方法はしばしば高い計算コストとリソースを必要とするため、医療応用における実用性が制限されています。この問題に対処するため、我々は新しい畳み込みニューラルネットワークであるNuLiteを提案します。これはFast-ViTという最先端（SOTA）の軽量CNNに基づいて設計されたU-Netのようなアーキテクチャです。我々はPanNukeデータセットを用いて、NuLite-S、NuLite-M、NuLite-Hの3つのバージョンのモデルを訓練しました。実験結果は、パンオプティック品質と検出性能において当社のモデルがCellViT（SOTA）と同等であることを証明しています。しかし、最も軽量なモデルであるNuLite-Sはパラメータ数で40倍小さく、GFlopsでは約8倍小さい一方で、最も重量なモデルでもパラメータ数では17倍小さく、GFlopsでは約7倍小さいです。さらに、当社のモデルはCellViTよりも最大約8倍速いことが示されています。最後に、当社ソリューションの有効性を証明するために、CoNseP、MoNuSeg、GlySACという外部データセットとの堅牢な比較を行いました。当社のモデルは公開されており、https://github.com/CosmoIknosLab/NuLite からアクセスできます。