Cancer is one of the most common causes of death worldwide. When given optimal treatment, however, the risk of severe illness may greatly be reduced. Determining optimal treatment in turn requires evaluation of disease progression and response to potential, previous treatment. Analysis of perfusion, a physiological property that describes how well different tissues are supplied with blood, has been shown useful for revealing important tumor characteristics. By performing a contrast agent-enhanced, non-invasive medical imaging procedure, quantitative parameters of perfusion can be obtained by fitting the image data to mathematical models. These parameters may then provide valuable insights into tumor properties, useful for purposes such as diagnostics and treatment response evaluation. Varieties of parameter calculation frameworks and perfusion models may however lead to a wide range of possible parameter values, which negatively impacts reproducibility and confidence in results. The aim of this thesis project was to explore how different implementation choices in a perfusion parameter calculations framework, as well as image data noise and filtering, affected the parameter estimations. Image data of nine brain-tumor patients and a physical phantom was used for calculating perfusion parameters after systematically applying changes to the default calculations framework. The results showed that the choice of optimization method for parameter estimations could provide a significant difference in parameter estimations. A semi-automated method for obtaining a venous input function was evaluated and shown to be robust with respect to simulated user inputs. Generation of a T1 map, used when performing the parameter calculations, was explored for the variable flip-angle method and from this investigation it was concluded that a few combinations of flip-angles generated unrealistic T1 maps. Finally, a Gaussian image filter applied in the x- and ydimensions of the image data was found to provide a noticeable reduction of applied noise. The outcome of the experiments exemplified how calculation framework setup affected parameter estimations, which was discussed to be of importance for other areas of research as well. Future work could encompass exploration of other, more complex perfusion models, and performing similar analysis for tumors in other body-parts. / Cancer är en av de vanligaste dödsorsakerna i världen. Risken för svår sjukdom kan dock minimeras om optimal behandling ges, vilket kräver utvärdering av sjukdomstillstånd och svar på eventuell tidigare behandling för att åstadkommas. Mätningar av perfusion, en fysiologisk egenskap som direkt relaterar till vävnadernas blodtillförsel, har visat sig vara användbar för att avslöja viktiga tumöregenskaper. Genom att utföra en icke-invasiv medicinsk bildtagningsprocedur med kontrastvätska kan kvantitativa perfusionsparametrar erhållas genom att anpassa bilddatat till matematiska modeller. Dessa parametrar kan sedan ge värdefulla insikter om tumörers egenskaper, användbara för ändamål som diagnostik och utvärdering av behandling. Variationer av ramverk för parameterberäkningar och perfusionsmodeller kan dock leda till många olika, möjliga parametervärden, vilket negativt påverkar reproducerbarhet och förtroende för korrekthet hos de beräknade parametrarna. Syftet med detta examensarbete var att utforska hur implementeringen av ett ramverk för perfusionsparameterberäkningar, samt bilddatabrus och filtrering, påverkade parameterberäkningarna. Bilddata från nio hjärntumörpatienter samt en fysisk fantom användes för att beräkna perfusionsparametrar efter att systematiskt ändrat delar av ett ursprungligt beräkningsramverk. Resultaten visade att valet av optimeringsmetod för modelanpassning kunde ge en signifikant skillnad i parameteruppskattningar. En semi-automatiserad metod designad för att erhålla en venös inflödesfunktion utvärderades och påvisades vara robust med avseende på simulerad användarinteraktion. Generering av en T1-karta, som kan användas för parameterberäkningarna, undersöktes för variable flip-angle metoden, och från denna undersökning drogs slutsatsen att ett antal kombinationer av vinklar genererade orealistiska T1-kartor. Slutligen visade sig ett Gaussiskt bildfilter applicerat i x- och y-dimensionerna av bilddata ge en märkbar reducering av applicerat brus. Arbetet gav exempel på hur val av beräkningsramverk kan påverka parameteruppskattningar, vilket vidare diskuterades kan ha betydelse inom andra forskningsområden. Framtida undersökningar kan innefatta att utforska andra, mer komplexa perfusionsmodeller, samt att utföra liknande analyser för tumörer i andra kroppsdelar.