顕微鏡画像における細胞の同定は、画像ベースの細胞生物学研究を進める上で不可欠なステップである。細胞インスタンスセグメンテーションは、細胞の形状、構造、形態およびサイズを詳細に分析する機会を提供する。従来のディープラーニングに基づく細胞インスタンスセグメンテーション手法は、各細胞に対するインスタンスセグメンテーションマスクを必要とし、このマスク作成は人的労力とコストが非常に高い作業である。細胞生物学分野には大量のラベルなし顕微鏡データが存在するが、インスタンスセグメンテーションに必要なラベル付け作業が煩雑かつ高コストであるため、これらのデータの潜在能力は十分に活用されていない。本論文では、点およびバウンディングボックスによるラベルのみを用いて細胞インスタンスセグメンテーションを実行可能な弱教師付きアプローチを提案する。この手法により、ラベル付け作業の負担を大幅に削減できる。提案手法は、LIVECellというベンチマークデータセット上で評価され、各細胞に対してバウンディングボックスとランダムに生成された点のみを用いた場合でも、平均精度（mean average precision）43.53％を達成した。これは、完全なセグメンテーションマスクを用いて訓練された従来の教師あり手法と同等の性能であり、さらにバウンディングボックスと点によるラベル付けは、完全マスクラベル付けに比べて3.71倍速く実施可能であることが示された。