음경 측정은 소음경증 (micropenis), 선천적 및 내분비 질환, 성 기능 또는 비뇨기 기능 장애와 같은 상태를 포함하여 남성 생식 및 비뇨기 건강 전반에 걸쳐 임상적으로 중요합니다. 그러나 음경 크기의 정량적 평가는 주로 외부 길이 또는 둘레 측정에 의존해 왔으며, 이는 표준화하기 어렵고 측정 조건에 민감하며 음경의 내부 부분을 포착할 수 없다는 단점이 있습니다. MRI는 생체 내 (in vivo) 음경 전체의 부피 평가를 가능하게 하지만, 인구 규모 (population scale)에서의 자동 세분화 (segmentation)는 이전에 확립된 바 없습니다. 자동화된 전체 장기 부피 측정은 남성 생식 질환의 멀티오믹스 (multi-omics) 및 임상 연구를 위한 고처리량 표현형 분석 (high-throughput phenotyping)을 가능하게 할 것입니다. 본 연구에서는 다채널 DIXON MRI에서 음경 전체 세분화를 위한 딥러닝 프레임워크를 제시합니다. 새롭게 큐레이션된 전문가 주석 학습 데이터셋 ($n = 145$ 명의 피험자; $13,050$ 개의 주석 처리된 슬라이스)과 이중 주석이 달린 독립 테스트 벤치마크 ($n = 24$ 명의 피험자; $2,160$ 개의 이중 주석 슬라이스)를 사용하여 3D nnU-Net 아키텍처를 최적화했습니다. 이 모델은 5-겹 교차 검증 (5-fold cross-validation) Dice 점수 $0.90$을 달성하였으며, 독립 테스트 세트에서 관찰자 수준의 정확도 (Dice: $0.92$; Hausdorff distance: $3.58$)를 기록했습니다. 우리는 이 모델을 UK Biobank의 $34,412$ 명의 참가자에게 배포하여 외부 및 내부 구성 요소를 모두 포함한 전체 음경 조직의 자동 정량화를 가능하게 했습니다. $2,282$ 명의 남성을 대상으로 한 종단적 평가 (Longitudinal evaluation) 결과 높은 세션 간 재현성 ($r = 0.87$)을 입증했습니다. 이 프레임워크는 MRI 기반 음경 해부학 평가를 위한 재현 가능하고 인구 규모 확장이 가능한 방법을 확립하며, 향후 비뇨기 영상 및 남성 생식 건강 연구를 위한 개방형 기술 자원을 제공합니다. 학습된 모델 가중치는 공개적으로 배포될 예정입니다.