目前,肺癌作为恶性肿瘤之一,已严重危害着人们的生命健康,且在疾病早期并不易察觉,往往被发现时已经错过了最佳的诊疗时期。肺癌早期变现为结节,在临床上多采用CT影像辅助医生的诊断。但由于一位病患所拍摄的CT图像动辄上百张,加大了医生的工作量,且医生主要是凭借多年的经验对疾病进行定性和判断,有很大的主观性,也增加了误诊率。为了克服这一问题,现借助计算机辅助诊断技术,对肺部CT图像进行分割处理。本文在多重分形理论的基础上提出了众值的多重分形谱计算方法,对经过了预处理后的肺部CT图像实现分割。通过选取最能代表局部区域特性的众值,使多重分形谱能更好的描述该区域的奇异性。本文算法在多重分形谱性能和抗噪声性能上都有不错的表现,且能准确的分割出肺实质和候选肺结节,有效的避免了错分割和遗漏分割问题。对于分割出的候选结节存在假阳性结节,采用遗传算法与支持向量机相结合,训练出最优模型,提高分类器的准确率,有效降低结节的假阳性。