ردیابی سلول‌ها در طول زمان یکی از موثرترین انواع مطالعه برای درک مکانیسم‌های رشد، ترمیم بافت و درمان بیماری در موجودات زنده است. هدف از این تحقیق ارائه روشی جدید با کمک یادگیری ماشینی برای ردیابی سلول‌ها به شکل خودکار در تصاویر میکروسکوپی گذر-زمانی است. با توجه به پیشرفت‌های چشمگیر در فناوری میکروسکوپ در سال‌های اخیر، از میکروسکوپ گذر-زمانی معمولاً برای مطالعه سلول‌های درون اندام‌ها استفاده می‌شود که امکان تجزیه و تحلیل مستقیم رفتارهای سلولی را فراهم می‌کند. در این روش برای ردیابی سلول‌ها، پس از قطعه‌بندی تصاویر با یادگیری عمیق، عمل تشخیص رویداد تقسیم سلولی را با تئوری منحنی کاسینی و عمل پیگرد سلول‌ها در فریم‌های متوالی را با روش تطبیق قالب محدود شده انجام دادیم. عملکرد ردیاب پیشنهادی توسط معیار TRA که یک متریک استاندارد برای ارزیابی الگوریتم‌های ردیابی سلول‌ها است، اندازه‌گیری شد. برای مجموعه داده‌های DIC-C2DH-HeLa و Fluo-N2DH-SIM+ این مقدار به ترتیب برابر 87.5% و 95.3% بدست آمد. یافته‌های مطالعه حاضر نشان می‌دهد که الگوریتم طراحی شده برای ردیابی سلول از دقت قابل قبولی برخوردار است.