PyRadiomics 提供了多种滤波器来进行影像组学特征提取。以下是可以在 PyRadiomics 中使用的滤波器：
无滤波器（原始图像）：可以直接从原始图像中提取特征，无需使用滤波器。
波长变换（Wavelet Transform）：这是一种多尺度、多方向的变换方法，用于从不同尺度和方向的图像信息中提取特征。
Laplacian of Gaussian (LoG)：这是一种边缘检测滤波器，通过计算图像的拉普拉斯算子来检测边缘。它可以增强图像的边缘信息，有助于区分不同结构。
平方根（Square）：将图像中的每个像素值取平方，从而增强图像的对比度。
对数（Logarithm）：将图像中的每个像素值取对数，以提高图像的动态范围。
指数（Exponential）：将图像中的每个像素值取指数，以增强图像的对比度。
高斯滤波器（Gaussian Filter）：这是一种线性滤波器，通过与高斯核进行卷积来平滑图像，从而减少噪声。它能保留图像的主要结构，但会造成一定程度的边缘模糊。
局部二值模式（Local Binary Pattern，LBP）：这是一种描述图像局部纹理特征的方法，通过比较像素邻域内的灰度值来形成二进制模式。
在使用 PyRadiomics 进行特征提取时，可以根据研究目的和图像数据集选择合适的滤波器。根据实际需求，可以尝试不同的滤波器组合以优化特征提取和分析结果。
