La connectividad estructural del cerebro probablemente contiene los patrones específicos de especies e individuos que permitirán avances importantes en la comprensión del cerebro humano. Actualmente, la resonancia magnética de difusión se utiliza para obtener imágenes de la microestructura del tejido cerebral in-vivo, permitiendo delinear los caminos que llevan los principales fascículos de fibras nerviosas para conectar las diferentes áreas del cortex. La información de las trayectorias de los fascículos y las regiones conectadas por ellos se resumen en una representación de red denominada conectoma, y que es analizada utilizando teoría de grafos. Para extraer el conectoma utilizando datos de resonancia de difusión, es necesario una larga cadena de procesado que incluye mejora de señal, reconstrucción, segmentación, alineamiento, seguimiento de caminos de difusión, etc. A pesar del esfuerzo común dedicado a la definición de pipelines estandarizados para la extracción del conectoma, sigue siendo crucial la definición de protocolos de calidad para estos flujos de procesado. Esta definición está dificultada por la complejidad intrínseca de los flujos de procesado que se estudian y por la absoluta inexistencia de gold-standards (datos intrínsecamente correctos para los cuales se conoce el resultado esperado) definidos para datos de difusión. En esta tesis, se caracteriza el impacto en el flujo de procesamiento de la conectividad estructural de ciertas deformaciones geometricas típicamente presentes en los datos de difusión, a causa de la inhomogeneidad de la susceptibilidad magnética en el objeto de la imagen. Por ello, se propone un entorno de evaluación para permitir la comparación de las metodologías de corrección de dicho artefacto incluyendo fantomas de cerebro completo. Además, se diseña e implementa un método de segmentación y registro de imágenes que evita el proceso de corrección y permite el procesado de los datos de difusión en su espacio nativo. Con esta tesis se distribuye PySDCev, un entorno de evaluación para el control de calidad de las cadenas de procesado para la extracción del conectoma. PySDCev se suministra con especialización en el estudio de las distorsiones derivadas de la susceptibilidad. En este contexto se propone el Diffantom, un fantoma para resolver la ausencia de datos gold-standard. Los tres métodos de corrección que se han comparado utilizando PySDCev funcionaron razonablemente, siendo complicado determinar cuál de ellos es más recomendable. En esta tesis se demuestra que la corrección de las distorsiones es necesaria para mejorar la sensibilidad del flujo de procesado, pero hay un importante coste en términos de especificidad. Finalmente, con la herramienta de registrado y segmentación regseg se demuestra cómo el problema de la distorsión puede ser resuelto permitiendo que los datos sean procesados en las coordenadas originales de la imagen. Esto es crucial para poder incrementar la sensibilidad del flujo de procesamiento sin perdida de especificidad.