يمكن أن يساعد تجزئة آفات فيروس كورونا المستجد (COVID-19) الأطباء على تشخيص وعلاج المرض بشكل أفضل. ومع ذلك، توجد قلة من الدراسات المرتبطة بهذا المجال نظرًا لعدم توفر معلومات مفصلة وتصنيفات عالية الجودة في مجموعات بيانات فيروس كورونا المستجد. ولحل هذه المشكلة، نقترح إطارًا تجزئيًا يُسمى C2FVL، وهو إطار تجزئة من المستوى الخشن إلى الدقيق يعتمد على التزامن بين الرؤية واللغة، بهدف دمج معلومات نصية تتضمن عدد الآفات ومواقعها المحددة ضمن المعلومات الصورية. ويعمل إدخال المعلومات النصية على تمكين الشبكة من تحقيق نتائج تنبؤية أفضل على مجموعات بيانات صعبة. وقد أجرينا تجارب واسعة على مجموعتي بيانات لفيروس كورونا المستجد تشمل الأشعة السينية للصدر والتصوير المقطعي المحوسب (CT)، وأظهرت النتائج أن الطريقة المقترحة تتفوق على الطرق التجزئية الرائدة الأخرى من حيث الأداء.