التصوير المجهري لعمر الفلورسنت (FLIM) هو تقنية قوية في البحث الطبي الحيوي تستخدم معدل تحلل الفلوروفور لتوفير تباين إضافي في التصوير الفلورسنت بالميكروسكوب. ومع ذلك، فإن حساب وتحليل وتفسير FLIM في الوقت الحاضر هو عملية معقدة وبطيئة ومكلفة من الناحية الحاسوبية. تعتبر تقنيات التعلم الآلي (ML) مناسبة جدًا لاستخراج وتفسير القياسات من مجموعات بيانات FLIM متعددة الأبعاد مع تحسين كبير في السرعة مقارنة بالطرق التقليدية. في هذا الاستعراض الموضوعي، نناقش أولاً أساسيات FLIM و ML. ثانيًا، نقدم ملخصًا لاستراتيجيات استخراج العمر باستخدام ML وتطبيقاتها في تصنيف وتقسيم صور FLIM بدقة أعلى مقارنة بالطرق التقليدية. وأخيرًا، نناقش اتجاهين محتملين لتحسين FLIM باستخدام ML مع عرض أمثلة أولية على المفهوم.