Antecedentes: La microscopía de lapso temporal es un enfoque clave para un número creciente de estudios biológicos y biomédicos para observar el comportamiento dinámico de las células a lo largo del tiempo, lo que ayuda a cuantificar datos importantes, como el número de células y sus tamaños, formas e interacciones dinámicas a lo largo del tiempo. La imagen sin etiquetas es una estrategia esencial para tales estudios, ya que asegura que el comportamiento celular nativo permanezca sin influencia por el proceso de grabación. Los enfoques de visión por computadora y de aprendizaje automático/profundo han logrado un progreso significativo en esta área. Métodos: En esta revisión, presentamos una visión general de los métodos, software, datos y métricas de evaluación para el análisis automático de la microscopía de lapso temporal sin etiquetas. Nuestro objetivo es proporcionar al lector interesado una fuente única de información, con enlaces para obtener información más detallada. Resultados: Revisamos los métodos más recientes para la segmentación celular, detección de eventos y seguimiento. Además, proporcionamos listas de software y conjuntos de datos públicamente disponibles. Finalmente, resumimos las métricas más frecuentemente adoptadas para evaluar los métodos bajo examen. Conclusiones: Ofrecemos pistas sobre los desafíos abiertos y las futuras direcciones de investigación.