La cuantificación de la morfología de las células endoteliales corneales (CEC) utilizando software manual y semi-automático permite una evaluación objetiva de la patología endotelial corneal. Sin embargo, el procedimiento es tedioso, subjetivo y no se aplica ampliamente en la práctica clínica. Hemos desarrollado el sistema CellsDeepNet para segmentar y analizar automáticamente la morfología de las CEC. El sistema CellsDeepNet utiliza el Ecualizador de Histograma Adaptativo de Contraste Limitado (CLAHE) para mejorar el contraste de las imágenes de CEC y reducir los efectos de la iluminación no uniforme de la imagen, la Transformada de Ondículas Complejas de Árbol Dual de Doble Densidad en 2D (2DDD-TCWT) para reducir el ruido, un filtro de paso de banda Butterworth para mejorar los bordes de las CEC y un filtro de media móvil para ajustar el nivel de brillo. Se utilizó una versión mejorada de U-Net para detectar los límites de las CEC, independientemente del tamaño de las CEC. La morfología de las CEC se midió como densidad celular media (DCM, células/mm), área celular media (ACM, m), perímetro celular medio (PCM, m), polimegatismo (coeficiente de variación del tamaño de las CEC) y pleomorfismo (porcentaje del coeficiente de hexagonalidad). El sistema CellsDeepNet se correlacionó altamente significativamente con las estimaciones manuales para DCM (r = 0,94), ACM (r = 0,99), PCM (r = 0,99), polimegatismo (r = 0,92) y pleomorfismo (r = 0,86), con < 0,0001 para todas las características clínicas extraídas. Los gráficos de Bland-Altman mostraron una excelente concordancia. La diferencia porcentual entre las estimaciones manuales y automatizadas fue superior para el sistema CellsDeepNet en comparación con el sistema CEAS y otros sistemas de segmentación de CEC de última generación en tres conjuntos de datos de imágenes del endotelio corneal grandes y desafiantes capturados utilizando dos dispositivos oftálmicos diferentes.