Muitas galáxias são repletas de nebulosas ionizadas. Transições eletrônicas em íons dessas nebulosas emitem fótons com energias características, despontando dos espectros das galáxias como linhas de emissão. O processamento de linhas de emissão é fundamental no entendimento deste sistema físico. Por exemplo, a razão entre as luminosidades das linhas Hα e Hβ indica atenuação por poeira, e a largura equivalente da linha espectral nebular Hα  está ligada à taxa de formação estelar específica de uma galáxia, sendo também útil para quantificar a presença do gás difuso ionizado em galáxias. Dado que na astrofísica trabalha-se com cubos que contêm milhares de espectros por galáxia, é importante avaliar o método utilizado para extrair as propriedades físicas dos dados, haja vista a grande demanda computacional envolvida. Para tanto, a proposta de pesquisa deste trabalho consistiu em abordar, de forma inicial, o estudo de um método de aprendizado de máquina para sua futura aplicação para medir fluxos de linhas de emissão em galáxias do MUSE.