La enfermedad de Alzheimer se ha convertido en una preocupación importante en el ámbito de la salud, ya que está creciendo rápidamente. Se ha realizado mucha investigación para detectarla a partir de imágenes de resonancia magnética a través de varios enfoques de aprendizaje profundo. Sin embargo, los problemas de disponibilidad de datos médicos y preservación de la privacidad de los pacientes aún persisten. Para mitigar este problema en la detección de la enfermedad de Alzheimer, implementamos el enfoque federado, que se ha encontrado que es más eficiente, sólido y consistente en comparación con el enfoque convencional. Para esto, necesitamos una excavación profunda en varias orientaciones de imágenes de resonancia magnética y arquitecturas de aprendizaje por transferencia. Luego, utilizamos dos conjuntos de datos públicos (OASIS y ADNI) y diseñamos varios casos para evaluar el rendimiento del enfoque federado. El enfoque federado logra una mejor precisión y sensibilidad en comparación con los enfoques convencionales en la mayoría de los casos. Además, se encontró que la robustez del enfoque propuesto es mejor que la del enfoque convencional. En nuestro enfoque federado, MobileNet, una arquitectura de aprendizaje por transferencia de bajo costo, logra la mayor precisión del 95.24%, 81.94% y 83.97% en los conjuntos de prueba de OASIS, ADNI y fusionados (ADNI + OASIS), que es mucho más alto que el rendimiento logrado en el enfoque convencional. Además, en el enfoque propuesto, solo se comparten los pesos del modelo, lo que mantiene las imágenes originales de resonancia magnética en sus respectivos hospitales o instituciones, preservando la privacidad en el ámbito de la salud.