過去10年間のディープラーニングの進展に伴い、かつて困難とされていた多くのバイオメディカル関連問題が現在では実現可能となっている。U-netやMask R-CNNといったアーキテクチャの導入により、セキュリティからバイオメディカル応用まで、幅広い分野における物体検出およびセグメンテーションタスクが可能になった。細胞生物学分野においては、光顕微鏡画像が、生物学的現象を研究するための低コストかつ容易に入手可能な原始データの源となっている。このようなデータとディープラーニング技術を活用することで、人間の疾患の迅速な診断が可能となり、治療法開発プロセスの大幅な加速が期待できる。顕微鏡画像解析において、個々の細胞を正確にセグメンテーションすることは、細胞間の異質性を深く理解するための重要なステップである。本研究では、これらの課題に対処するため、顕微鏡画像における細胞および核の検出とセグメンテーションを目的としたDeepCeNSを提案する。評価にあたり、多様な顕微鏡装置および多数の細胞培養画像を含むEVICAN2データセットを用いた。その結果、DeepCeNSはEVICAN-MRCNNに対して、EVICAN2データセット上で顕著な性能向上を示した。