Varias enfermedades neurológicas y sitios enfermos han sido estudiados, junto con el marco anatómico del cerebro, utilizando resonancia magnética estructural (sMRI). Es fundamental diagnosticar a los pacientes con enfermedad de Alzheimer (EA) de manera oportuna para implementar tratamientos preventivos. La segmentación de la anatomía cerebral y la categorización de la EA han recibido mayor atención ya que pueden proporcionar buenos hallazgos abarcando una amplia gama de información. La primera brecha de investigación considerada en este trabajo es la eficiencia en tiempo real de la segmentación de OTSU, que no es alta a pesar de su simplicidad y buena precisión. Un segundo problema es que la extracción de características podría ser automatizada mediante la implementación de técnicas de aprendizaje profundo. Para mejorar la rapidez en la segmentación de imágenes, se utilizó la optimización mejorada de pastoreo de elefantes difusos (EFEHO) para la segmentación de OTSU, y se denominó EFEHO-OTSU. La principal contribución de este trabajo es doble. Una es utilizar EFEHO en la técnica recomendada para buscar el umbral de segmentación óptimo para el método de OTSU. En segundo lugar, se recomienda la red de aprendizaje profundo de múltiples instancias de atención dual (DA-MIDL) para el diagnóstico oportuno de la EA y su fase prodromal, el deterioro cognitivo leve (MCI). Las pruebas muestran que esta técnica converge más rápido y tarda menos tiempo que el enfoque clásico de OTSU sin reducir el rendimiento de la segmentación. Este estudio desarrolla una herramienta valiosa para la segmentación rápida de imágenes con buena eficiencia en tiempo real. En comparación con numerosas técnicas convencionales, el estudio sugerido logra un mejor rendimiento de categorización en cuanto a precisión y transferibilidad.