Developing a classification system of social communication functioning of preschool children with autism spectrum disorder

Background: Impairments in social communication are the hallmark feature of autism spectrum disorder (ASD). Operationalizing ‘severity’ in ASD has been challenging; thus stratifying by functioning has not been possible. Purpose: To describe the development of the Autism Classification System of Functioning: Social Communication (ACSF:SC) and evaluate its consistency within and between parent and professional ratings. Methodology: (1)ACSF:SC development based on focus groups and surveys involving parents, educators and clinicians familiar with preschoolers with ASD; and (2)Evaluation of the intra- and inter-rater agreement of the ACSF:SC using weighted kappa(кw). Results: Seventy-six participants were involved in the development process. Core characteristics of social communication were ascertained: communicative intent; communicative skills and reciprocity; and impact of environment. Five ACSF:SC levels were created and content-validated across participants. Best capacity and typical performance agreement ratings varied as follows: intra-rater on 41 children was кw=0.61-0.69 for parents and кw=0.71-0.95 for professionals; inter-rater between professionals were кw=0.47-0.61 and between parents and professionals кw=0.33-0.53. Conclusions: Perspectives from parents, and professionals informed ACSF:SC development, providing common descriptions of the levels of everyday communicative abilities of children with ASD to complement DSM-5. Rater agreement demonstrates the ACSF:SC can be utilized with acceptable consistency in comparison to other functional classification systems.

Apports de la texture multibande dans la classification orientée-objets d'images multisources (optique et radar).

Résumé : La texture dispose d’un bon potentiel discriminant qui complète celui des paramètres radiométriques dans le processus de classification d’image. L’indice Compact Texture Unit (CTU) multibande, récemment mis au point par Safia et He (2014), permet d’extraire la texture sur plusieurs bandes à la fois, donc de tirer parti d’un surcroît d’informations ignorées jusqu’ici dans les analyses texturales traditionnelles : l’interdépendance entre les bandes. Toutefois, ce nouvel outil n’a pas encore été testé sur des images multisources, usage qui peut se révéler d’un grand intérêt quand on considère par exemple toute la richesse texturale que le radar peut apporter en supplément à l’optique, par combinaison de données. Cette étude permet donc de compléter la validation initiée par Safia (2014) en appliquant le CTU sur un couple d’images optique-radar. L’analyse texturale de ce jeu de données a permis de générer une image en « texture couleur ». Ces bandes texturales créées sont à nouveau combinées avec les bandes initiales de l’optique, avant d’être intégrées dans un processus de classification de l’occupation du sol sous eCognition. Le même procédé de classification (mais sans CTU) est appliqué respectivement sur : la donnée Optique, puis le Radar, et enfin la combinaison Optique-Radar. Par ailleurs le CTU généré sur l’Optique uniquement (monosource) est comparé à celui dérivant du couple Optique-Radar (multisources). L’analyse du pouvoir séparateur de ces différentes bandes à partir d’histogrammes, ainsi que l’outil matrice de confusion, permet de confronter la performance de ces différents cas de figure et paramètres utilisés. Ces éléments de comparaison présentent le CTU, et notamment le CTU multisources, comme le critère le plus discriminant ; sa présence rajoute de la variabilité dans l’image permettant ainsi une segmentation plus nette, une classification à la fois plus détaillée et plus performante. En effet, la précision passe de 0.5 avec l’image Optique à 0.74 pour l’image CTU, alors que la confusion diminue en passant de 0.30 (dans l’Optique) à 0.02 (dans le CTU).