本文提出了一种基于数据驱动的深度学习框架，用于分类动力学区域和表征分支边界，应用于单细胞数据分析，以恢复胰岛内分泌发育轨迹。研究表明该方法在检测物理和生物系统中的分叉转变方面有效，并具有提供早期预警信号的潜力。