En los últimos años, encontrar la solución óptima para la segmentación de imágenes se ha vuelto más importante en muchas aplicaciones. El algoritmo de optimización de ballenas (WOA) es una técnica de optimización metaheurística que tiene la ventaja de lograr la solución óptima global al mismo tiempo que es simple de implementar y resuelve muchos problemas en tiempo real. Si la complejidad del problema aumenta, el WOA puede quedarse en óptimos locales en lugar de óptimos globales. Esto podría ser un problema para obtener una solución óptima mejor. Por esta razón, este documento recomienda un algoritmo híbrido basado en una mezcla del WOA y la optimización de lobos grises (GWO) para segmentar las subregiones cerebrales, como la materia gris (GM), materia blanca (WM), ventrículo, cuerpo calloso (CC) e hipocampo (HC). Esta mezcla híbrida consta de dos pasos, es decir, el WOA y el GWO. El método propuesto ayuda en el diagnóstico de la enfermedad de Alzheimer (AD) mediante la segmentación de las subregiones cerebrales (SRs) utilizando un híbrido del WOA y el GWO (H-WOA-GWO, que se representa como HWGO). La región segmentada se validó con diferentes medidas y muestra mejores resultados de precisión del 92%. Después de la segmentación, se utilizó un clasificador de aprendizaje profundo para categorizar imágenes normales y de AD. La combinación de WOA y GWO arroja una precisión del 90%. Como resultado, se descubrió que el método sugerido es una técnica altamente exitosa para identificar la solución ideal, y se combina con un algoritmo de aprendizaje profundo para la clasificación.