İnsan Beyin Yaşı, son zamanlarda popüler bir yaşlanma biyobelirteci haline geldi ve sağlıklı kişiler arasındaki farklılıkları tespit etmek için kullanıldı. Yaşlanmayla birlikte insan beynindeki spesifik değişiklikler nedeniyle, hastaların beyin yaşlarını beyin görüntülerinden tahmin etmek mümkündür. Evrişimsel Sinir Ağlarının (ESA) gelişen görüntü sınıflama ve regresyon yeteneğinden yola çıkılarak, bu çalışmada en popüler ESA modellerinden biri olan DenseNet modeli öğrenme aktarımı yöntemiyle kullanılarak insan beyni yaşı tahmini gerçekleştirilmiştir. 3D-ESA yüksek bellek yükü gerektirdiğinden Beyin Yaşı Tahmin (BAE) görevi için 2D-CNN tercih edilmiştir. Bu deneyde, toplam performans korunurken hesaplama yükünü azaltmak için bazı deneyler yapılmıştır. Bu amaçla, her üç beyin düzleminin merkez dilimleri DenseNet modelinin girdileri olarak kullanılmıştır ve her model için Adam, Adamax ve Adagrad gibi farklı optimizerlar kullanılmıştır. Veri kümesi, IXI MRI veri havuzundan seçilmiştir. Performansı değerlendirmek için ortalama mutlak hata (MAE) metriği her model için kullanılmıştır. Bu çalışmada en düşük Ortalama Mutlak Hata (MAE), beynin sagital düzleminin merkez dilimlerini içeren giriş kümesiyle ve Adamax parametresiyle 6.3 olarak elde edilmiştir.