La segmentación histopatológica de tipos nucleares es una tarea desafiante porque los núcleos presentan morfologías, texturas y características de tinción distintas. La segmentación precisa es crítica porque afecta el flujo de trabajo diagnóstico para la evaluación de pacientes. En este estudio, se propuso un marco para segmentar varios tipos de núcleos de diferentes órganos del cuerpo. El marco propuesto mejoró el rendimiento de segmentación para cada tipo nuclear utilizando radiómica. Primero, se utilizaron características radiómicas distintas para extraer y analizar información cuantitativa sobre cada tipo de núcleo y posteriormente se entrenaron varios clasificadores basados en las mejores subcaracterísticas de entrada de cada característica radiómica seleccionadas por un operador LASSO. Segundo, se introdujeron las salidas del mejor clasificador a varios modelos de segmentación para aprender las variantes de núcleos. Utilizando el conjunto de datos MoNuSAC2020, logramos un rendimiento de segmentación de vanguardia para cada categoría de tipo de núcleos a pesar de la complejidad, superposición y regiones oscuras. La adaptabilidad generalizada del marco propuesto fue verificada por el rendimiento consistente obtenido en imágenes de toda la diapositiva de diferentes órganos del cuerpo y características radiómicas.