新型コロナウイルス感染症（COVID-19）病変のセグメンテーションは、医師がCOVID-19の診断および治療をより適切に行うのを支援することができる。しかし、COVID-19データセットに詳細な情報や高品質なアノテーションが不足しているため、関連する研究は依然として少ない。この問題を解決するために、本研究では視覚言語のアライメントを活用した粗い段階から細かい段階へと段階的にセグメンテーションを実行するフレームワーク「C2FVL（Coarse-to-Fine segmentation framework via Vision-Language alignment）」を提案する。本手法は、病変の数や画像上の具体的な位置を含むテキスト情報を画像情報と統合することで、ネットワークが困難なデータセットに対してもより優れた予測結果を達成することを可能にする。本研究では、胸部X線画像およびCT画像を含む2つのCOVID-19データセット上で広範な実験を実施した結果、提案手法が他の最先端セグメンテーション手法を上回る性能を示した。