De medische sector heeft veel baat bij de vooruitgang van de biometrie, die steeds minder invasief en meer betrouwbaar wordt dankzij de introductie van medische beeldvorming. Eén van de gebruikte technieken daarbij is diffusion MRI: de enige beeldvormingstechniek die toelaat op een niet-invasieve manier driedimensionele geometrische informatie over de witte stof van de hersenen te bekomen. Het is hierbij essentieel dat de metingen en de beelden waarop deze informatie gebaseerd is, betrouwbaar zijn. Deze betrouwbaarheid was het onderwerp van deze thesis. Een eerste stap in het onderzoek was het bestuderen van statistische bias die inherent is aan diffusion-MRI-metingen door het Gibbs Ringing effect, een gevolg van de MR-beeldvormingstechniek op zich. In een tweede stap ontwikkelden we een nieuwe set diffusion-MRI-fantoomdata. Deze benaderen de complexiteit en geometrie van echte hersendata, wat hen erg bruikbaar maakt voor het testen en evalueren van post-processingmethodes. In een derde stap bestudeerden we de variabiliteit die optreedt in metingen van de hersenconnectiviteit in verhouding tot het volume van de segmenten van de hersenschors. Door te focussen op de analyse, verwerking en interpretatie van beelden verkregen door diffusion MRI, draagt deze thesis bij tot de verdere verbetering van neurologisch onderzoek.